模型中引入实际上与解释变量有关的变量，会导致参数的OLS估计量方差（ ）
举一反三
- 模型中引入实际上与解释变量有关的变量，会导致参数的OLS估计量方差（ ）
- 模型中引入的变量实际上与解释变量有关时，会导致参数的最小二乘估计量方差( ) A: 增大 B: 减小 C: 有偏 D: 不再具有最小方差性
- <p>模型中引入与解释变量线性有关的变量,会导致参数的OLS估计量方差(&nbsp;)</p> A: <p>增大</p> B: <p>减小</p> C: <p>有偏</p> D: <p>非有效</p>
- 计量经济学模型一旦出现序列相关性，如果仍采用OLS法估计模型参数，则OLS估计量仍然是线性无偏估计量，但是会使得参数估计量非有效，变量的显著性检验失去意义。
- 关于异方差的说法,()是正确的 A: 异方差是因为误差项和解释变量相关导致的 B: 异方差是因为误差项的方差和解释变量相关导致的 C: 异方差使得OLS估计量是有偏的 D: 异方差使得OLS估计量是不一致的